수학에서 컨볼루션 이론이나 매듭 이론은 쉬운 문제가 아닌가요? DeepMind는 제 역할을 잘 수행합니다.

Deepmind 기반으로 인공 지능 그리고 이미 가장 어려운 퍼즐도 여러 번 푸는 데 도움을 주었습니다. 이번에는 수학자들이 수년 동안 씨름해 온 매듭에 관한 것이었습니다.

연구의 주제는 추측이라고 하는 것으로 확인되지 않은 문장이 맞다고 합니다. 알고리즘 기계 학습  이전에 수학에서 그러한 이론적 아이디어를 개발하는 데 사용되었지만 이 경우만큼 복잡하지 않았습니다. 이 혁신의 저자는 다음 분야에서 성공을 거두었습니다. 자연 설명했다.

 이미지 출처: Pixabay / 근원

연구원들이 이동한 일반적인 지역은 r로 알려진 곳이었습니다.수학. 이 용어는 실제 적용 이외의 동기를 부여한 수학을 나타냅니다. 그만큼 "일반" 수학 그러나 일반적으로 다른 영역에서 개선하여 실제로 혜택을 볼 수 있도록 하는 것을 목표로 합니다.

이 분야의 연구는 쉽지도 않고 즐겁지도 않은 머신러닝, 특히 Deepmind, 구체적인 지원을 제공합니다. 이는 패턴을 찾는 데 매우 효과적이어서 특정 결론을 도출하는 프로세스를 크게 가속화하기 때문입니다. DeepMing의 대표자들은 시드니 대학교와 옥스포드 대학교의 과학자들과 함께 일했습니다.

DeepMind는 기계 학습 알고리즘을 사용합니다.

연구팀은 이에 주목했다. 매듭 이론 그리고 대표이론. 전자는 소위 불변, 즉 동일한 키, 대수, 기하 또는 숫자 양입니다. 연구원들은 기하학적 불변량과 대수 불변량 사이의 관계를 찾기 위해 DeepMind를 사용하기로 결정했습니다. 이런 식으로 그들은 소위 자연 절점 기울기 정의하다.

또한 DeepMind는 1970년대 후반 수학자들의 추측을 더 잘 이해하는 데 사용되었습니다. 당시에는 복잡한 다차원 그래프의 특정 유형을 보고 이를 표현할 수 있는 방정식을 찾는 것이 가능하다고 믿었습니다. DeepMind에서 그들은 다음과 같은 것을 사용하여 이 목표를 달성할 수 있었습니다. Kazhdan-Lusztig 다항식 접근하다. 그러한 발전이 실제 적용을 제공하지 않더라도 시스템에 얼마나 많은 잠재력이 있는지를 보여줍니다.  인공 지능 연결되었습니다.